[发明专利]一种基于暗原色先验的图像去雾方法

说明书

技术领域

本发明属于图像处理领域，尤其涉及能够对图像进行去雾处理的，一种基于暗原色先验的图像去雾方法。

背景技术

近来，雾霾天气成为一种频发的天气现象。雾霾中的液滴和固体小颗粒不仅危害人体健康，而且大量悬浮粒子的散射作用使大气能见度降低，降低图像质量，影响获取图像中的相关信息，同时户外清晰度降低也导致了不必要的交通事故，因此，图像去雾技术成为图像处理与计算机视觉领域急需研究的课题之一。

图像去雾技术主要包括基于图像复原和基于图像增强的两类。基于图像复原的算法从图像退化的物理模型出发,通过分析、求解图像降质过程的逆过程,获得各降质环节的相关参数,从而恢复出尽可能逼真的清晰图像。近来,基于单色大气散射模型的去雾算法,在基于一些先验知识和假设的前提下取得了很大进展。

目前，通用的图像去雾算法是先估算大气透射率，再根据单色大气散射模型恢复场景色彩。

Tan假设局部区域的环境光为常数，以及对比度显著增强，在马尔科夫随机场模型的框架下，构造关于边缘强度的的代价函数，使用图分割理论估计最优光照，但由此导致的图像颜色过度饱和失真无法避免，且在景深突变的的交界区域产生严重的Halo效应。

Fattal假设图像局部区域的透射率为常向量，以及物体表面色度与介质传播具有统计不相关性，此算法需要大量的物理色彩信息，但是，在浓雾条件下的图像丢失了大量色彩信息，此时对图像的透射率估计偏差大，算法失效。

何凯明等提出了一种暗原色先验的算法。假设至少一个颜色通道的局部区域内的场景反照率趋于零，接着用最小值滤波对介质传播函数粗估计，然后，用软抠图算法对该函数细化，由此得到去雾图。但此细化算法实质上是一种大规模稀疏线性方程组的求解问题，具有很高的时间和空间复杂度；另外，图像抠图引入α通道使前景与背景过度区域的边缘柔化，而介质传播函数为场景辐射的指数衰减因子，因此，软抠图算法用于介质传播函数的细化并不合理；同时，单一的最小值滤波会产生Halo效应和块效应。

继而，又有分别采用双边滤波和中值滤波来代替最小值滤波的算法，以提升去雾性能。Gibson等提出用中值滤波代替最小值滤波，可以减弱Halo效应，该算法不需要软抠图或双边滤波对透射率图细化，显著的降低了运算的时间复杂度，但是该方法去雾图像质量较差，易出现黑斑效应。张小刚提出了双区域滤波，定义了暗区域，改进了中值滤波算法，减弱了 其黑斑效应，但是该算法对图像细节的保持作用有限，图像细节精细度降低。

上述文献皆取大气光为常数，在有景深变化的图像中，这一假设显然是不合理的；另外基于暗原色先验的算法都存在去雾图像灰暗，存在Halo效应，或者为消除Halo效应而采取复杂的运算，增加了算法的时间复杂度。

发明内容

本发明的目的是提供一种去雾效果好、处理时间复杂度低的，基于暗原色先验的图像去雾方法。

本发明是通过以下技术方案实现的：

一种基于暗原色先验的图像去雾方法，包括以下几个步骤，

步骤一：基于经典聚类算法对图像I(x)进行分割获得候选天空区域I_t(x)；

步骤二：对候选天空区域I_t(x)腐蚀处理得到天空亮度；

步骤三：根据获得的天空亮度，对图像进行改进的最小值滤波，得到粗估计透射率图像；

步骤四：通过导向滤波优化粗估计透射率图像，得到优化的透射率图像；

步骤五：基于大气散射模型获得复原图像。

本发明一种基于暗原色先验的图像去雾方法，还可以包括：

1、天空亮度为：

其中，A(x)为天空亮度，I^c(x)为图像I(x)的R,G,B三原色通道，A_max＝max(max(I_tmin(x)))为天空亮度最大值，A_min＝max(min(max(I_tmin(x))),0.7*A_max)为天空亮度最小值，I_tmin(x)为最小值滤波的结果，

其中，x为空间坐标，I_t(x)为候选天空区域，为I_t(x)的R,G,B三原色通道,Ω(x)是以像素点x为中心的方形区域。

2、对图像进行改进的最小值滤波采用的函数为：